Lo que más me gusta de Amazon Forecast es que puede generar predicciones precisas de series temporales utilizando aprendizaje automático sin requerir un conocimiento profundo de ML. También es fácil de integrar con otros servicios de AWS y apoya una mejor planificación de la demanda y una toma de decisiones más informada. Reseña recopilada por y alojada en G2.com.

Una cosa que no me gusta de Amazon Forecast es que puede volverse caro cuando trabajas con grandes conjuntos de datos o ejecutas predicciones con frecuencia. Además, el proceso de configuración puede parecer un poco complejo, especialmente para los nuevos usuarios que no están ya familiarizados con los servicios de AWS. Reseña recopilada por y alojada en G2.com.

Me gusta más el ML automatizado de Amazon Forecast para la previsión precisa de la demanda sin necesidad de habilidades en ciencia de datos. En The Knowledge Academy, predice fácilmente la inscripción en PMP/CISSP y las tendencias de leads de HubSpot, reduciendo el tiempo de análisis manual en un 40% y mejorando la precisión de la planificación para seminarios web y personal. La integración perfecta con S3 cierra el trato. Reseña recopilada por y alojada en G2.com.

Las principales desventajas de Amazon Forecast son su pronunciada curva de aprendizaje para usuarios no técnicos y los costos más altos que vienen con conjuntos de datos a gran escala. En The Knowledge Academy, la configuración inicial requirió experiencia en AWS, y los precios aumentaron rápidamente más allá de las necesidades de pronóstico más pequeñas, como las predicciones de nuestro curso PMP. Como resultado, aunque la precisión es fuerte, puede ser menos adecuado para equipos de ventas con presupuesto limitado. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Amazon Forecast es lo fácil que es generar predicciones precisas de demanda utilizando nuestros datos históricos internos. La plataforma automatiza la mayor parte del trabajo pesado, lo que me ayuda a crear pronósticos para la planificación de inventario y operaciones sin necesidad de construir modelos desde cero. La integración con los servicios de AWS es fluida, y una vez que los conjuntos de datos están cargados, el flujo de trabajo es muy eficiente. Reseña recopilada por y alojada en G2.com.

Algunos pasos de configuración pueden parecer técnicos, especialmente al preparar conjuntos de datos o ajustar configuraciones de importación. Además, entrenar modelos puede llevar un poco de tiempo dependiendo del tamaño del conjunto de datos. Aparte de eso, la herramienta es estable y ofrece resultados consistentes una vez que todo está configurado. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta es lo automatizado y listo para producción que está. No necesitas tener un conocimiento profundo de ML para obtener pronósticos de series temporales de alta calidad porque el servicio maneja la ingeniería de características, la selección de modelos y el ajuste internamente. Además, dado que está integrado con el ecosistema de AWS, la entrada de datos y la salida de resultados es muy fluida. Reseña recopilada por y alojada en G2.com.

Algunas cosas:

Curva de aprendizaje: entender los esquemas de datos (objetivo, relacionado, metadatos de ítems) lleva tiempo.

Complejidad de precios: los costos varían con el tamaño del conjunto de datos, la frecuencia de entrenamiento y el uso de inferencia.

Transparencia limitada en la lógica interna del modelo (es una "caja negra" gestionada).

Esfuerzo de preprocesamiento: los datos deben estar limpios y estructurados adecuadamente, o los resultados se verán afectados.

Tiempo de entrenamiento: los trabajos de entrenamiento iniciales pueden tardar horas para conjuntos de datos grandes. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Amazon Forecast es cómo hace que la previsión de series temporales de alta calidad sea accesible sin obligarte a ser un experto en ciencia de datos, aunque sigue ofreciendo profundidad si lo eres. Reseña recopilada por y alojada en G2.com.

No me gusta que Amazon Forecast intercambie transparencia, control y velocidad de iteración por automatización: es difícil entender por qué las previsiones se ven como se ven, la personalización es limitada para usuarios avanzados, la experimentación puede ser lenta y costosa, y depurar resultados deficientes es difícil, lo que resulta frustrante cuando necesitas explicabilidad, un control de costos estricto o un comportamiento de modelado específico del dominio. Reseña recopilada por y alojada en G2.com.

El aspecto más impresionante de Amazon Forecast es su capacidad para manejar escenarios de inicio en frío, prediciendo la demanda de nuevos productos sin datos históricos al aprovechar artículos relacionados. Su función AutoPredictor es un cambio de juego, ya que selecciona automáticamente los algoritmos de ML de mejor rendimiento y maneja la ingeniería de características sin requerir un profundo conocimiento en ciencia de datos. La integración con Amazon S3 hace que el proceso de ingestión y exportación de datos sea fluido para nuestro flujo de trabajo existente en AWS. Reseña recopilada por y alojada en G2.com.

Aunque es poderoso, la curva de aprendizaje para estructurar adecuadamente los conjuntos de datos (Serie Temporal Objetivo, Serie Temporal Relacionada) puede ser empinada para los principiantes. Los costos también pueden escalar rápidamente si estás ejecutando múltiples predictores de alta frecuencia en grandes conjuntos de datos. Además, la 'explicabilidad' de ciertos modelos de aprendizaje profundo puede ser limitada; a veces es difícil precisar exactamente por qué se predijo un cierto pico, lo cual puede ser un desafío al presentar resultados a las partes interesadas. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de Amazon Forecast es su capacidad para crear pronósticos de demanda precisos utilizando aprendizaje automático sin necesidad de tener un profundo conocimiento en ciencia de datos. Maneja bien grandes conjuntos de datos y selecciona automáticamente los mejores algoritmos, lo que me ahorra mucho tiempo. La integración con otros servicios de AWS también facilita su uso dentro del ecosistema de AWS. Reseña recopilada por y alojada en G2.com.

La configuración inicial puede parecer un poco compleja, especialmente para los usuarios primerizos. Tomó algo de tiempo entender los pasos de preparación de datos y elegir las métricas correctas. Además, al trabajar con grandes conjuntos de datos, es importante vigilar los costos. Reseña recopilada por y alojada en G2.com.

Lo mejor de Amazon Forecast es que proporciona datos precisos y confiables con una menor cantidad de información alimentada. Escala la precisión y ofrece pronósticos probabilísticos sin necesidad de experiencia en ML.

Con el uso de su fuerte algoritmo en aprendizaje automático, extrae datos de fuentes profundas y presenta los mejores hechos y cifras. Reseña recopilada por y alojada en G2.com.

Cosas como la transparencia, los precios y la menor personalización lo hacen un poco desagradable. Se hace una previsión, pero su transparencia sobre por qué se hace tal predicción sigue siendo opaca.

Los precios se incrementan incluso para pequeños requisitos de datos y la personalización en cuanto a funciones y lógicas específicas es insuficiente. Reseña recopilada por y alojada en G2.com.

1. La interfaz es muy simple y fácil de usar, cualquier persona sin conocimientos técnicos puede usarla. No se necesita un conocimiento técnico profundo para conocerla.

2. La configuración es fácil y no toma mucho tiempo completar el proceso.

3. El soporte al cliente está bien equipado, la ayuda está disponible si se necesita.

4. Las previsiones se actualizan diariamente, lo que ayuda en la previsión diaria. Reseña recopilada por y alojada en G2.com.

1. El costo aumenta cuando aumenta el uso de datos.

2. Es difícil entender cómo se generan completamente las predicciones. Reseña recopilada por y alojada en G2.com.

El aspecto principal que más me gusta de Amazon Forecast es que es capaz de producir predicciones precisas con poca experiencia en el área de aprendizaje automático. Además, funciona de manera eficiente incluso con grandes conjuntos de datos. Reseña recopilada por y alojada en G2.com.

El proceso de configuración puede parecer complicado al principio, especialmente en la preparación y organización de datos. El costo podría considerarse una preocupación si se realizan predicciones repetidamente en grandes conjuntos de datos. Reseña recopilada por y alojada en G2.com.